文献类型：期刊文章

作　　者：李玉杰[1] 李高荣[2]

LI Yujie;LI Gaorong(College of Applied Sciences,Beijing University of Technology,Beijing 100124,China;Beijing Institute for Scientific and Engineering Computing,Beijing University of Technology,Beijing 100124,China)

机构地区：[1]北京工业大学应用数理学院,北京100124 [2]北京工业大学北京科学与工程计算研究院,北京100124

出　　处：《北京工业大学学报》

基　　金：国家自然科学基金资助项目(11471029)

年　　份：2018

卷　　号：44

期　　号：9

起止页码：1247-1256

语　　种：中文

收录情况：AJ、BDHX、BDHX2017、CAS、CSA、CSA-PROQEUST、CSCD、CSCD_E2017_2018、IC、INSPEC、JST、MR、RCCSE、SCOPUS、ZGKJHX、ZMATH、核心刊

摘　　要：考虑超高维部分线性变系数模型,其中线性部分的协变量的维数随着样本容量以指数阶的速度增长.考虑到超高维协变量间存在相关性,提出贪婪的profile向前回归(greedy profile forward regression,GPFR)方法对超高维的线性部分的协变量进行变量筛选.并在一定的正则条件下,证明了所提出GPFR方法的筛选相合性.GPFR方法得到一系列嵌套的模型,为确定是否将某个候选的解释变量选入模型,用EBIC准则选择"最优"的模型.通过数值模拟和实例分析研究了GPFR算法的有限样本性质,发现在变量间存在高度相关和信噪比较低时,所提的GPFR方法优势明显.

关 键 词：向前回归  部分线性变系数模型  变量筛选  筛选相合性  超高维  

分 类 号：O212.7]